آکادمی علوم شقایق رحمانی

برای قشرِ زحمت کش برنامه نویسا😅. این کد رو تو وی اس کد بزنید، تو همون ترمینال سوالتون رو بپرسید، چت GPT هم تو همون ترمینال جوابتون رو میده.... خیلی خوبه.

Create your own ChatGPT wit python https://copyassignment.com/create-your-own-chatgpt-with-python/

آقای مهندس حسین عراقی تو وبینار فرداشون داکر هم آموزش میدن، یه فرصت خوب برای بمبارون شدن اطلاعاتیه، از دستش ندید😎🚀. https://evand.com/events/microservice

تو این چند روز اخیر خیلی وضعیت روحیم خراب بود.‌ اگه با کسی تند صحبت کردم، معذرت میخوام🙏⚘. زندگی خیلی بالا و پایین داره دوستتون دارم، زیاد❤

MLOps pipe line MLOps is the short term for machine learning operations and it represents a set of practices that aim to simplify workflow processes and automate machine learning and deep learning deployments. #MLOps

یه چیز دیگه هم بگم؟ اگه کسی بهتون گفت که کار کردن تو حوزه ی دیتا یا هوش مصنوعی آسونه، سریع فرار کنید و از اون اون آدم دور بشید چون بدجور گمراهتون میکنه.

بچه ها یه‌ چیزی بگم؟ من دیگه تمایلی برای فعالیت تو اکانت های اجتماعیم ندارم، انقدر حرف و حدیث شنیدم خسته شدم. واقعا من حوصله ی هیچیو ندارم دیگه، تو این دوسال این همه زحمت کشیدم، هر وقت منبعی، نکته ای یا تجربه ی مفیدی کسب کردم اومدم تو چنلم به بقیه هم گفتم که دیگران هم استفاده کنند ولی این وسط یه سری ها خیلی قدرنشناس اند و بی ارزش میکنند آدمو💔. دیگه خدافظی کنی با هم؟😔

این نکته هایی که بهتون میگم حداقل برای خودم خیلی با ارزش اند چون خیلی سختی کشیدم برای بدست آوردنشون! آدم هارو از دور نگاه میکنید، میگید فلانی خیلی خوشبخته تو فناپ، اسنپ، دیجیکالا و ... کار میکنه ولی واقعیت این نیست و من خودم به شخصه پوستم کنده شده تو شرکت تا بتونم دوتا مطلب یاد بگیرم. واقعا کار کردن و تجربه کسب کردن اونم تو چنین شرکت های بزرگی خیلی سخته😔.

در ضمن بعد از دیپلوی کردن مدل هم میریم تو مرحله ی maintain  کردن مدل. این مرحله شامل مراحل  monitoring و  retraining کردن مدل و ... هست. این مرحله بسیار مهمه چون نگهداری مدل کار حساس‌و هزینه برداری هست بخصوص تو پروژه های real-time که هر لحظه داره دیتای جدید به مدل وارد میشه (فرق دیتای کگل با دیتا واقعی اینجا مشخص میشه). میدونستید اکثر پروژه های ماشین و دیپ لرنینگ و دیتاساینس بعد از رسیدن به مرحله ی دیپلوی کردن، fail میشن؟! یعنی پروژه شکست میخوره! حالا بعدا بیشتر راجبش توضیح میدم الان باید به کارهام برسم.

دوستان عزیز یه نکته بگم اینکه مرحله ی دیپلوی کردن مدل های ماشین لرنینگ توسط هر دو تیم Data scientist و Ml engineer انجام میشه.‌... تو پروژ های بزرگ از یه شخصِ مثلا تو پوزیشن دیتاساینتیست انتظار ندارند به تنهایی بتونه مدل رو دیپلوی کنه! پروژه های بزرگ ماشین لرنینگ، دیتاسانیس به کمکم "تیم" پیش میره نه فقط یک شخص. در ضمن بعد از دیپلوی کردن مدل هم میریم تو مرحله ی maintain کردن مدل. این مرحله شامل مراحل monitoring و retraining کردن مدل و ... هست. این مرحله بسیار مهمه چون نگهداری مدل کار حساس‌و هرینه برداری هست بخصوص تو پروژه های real-time که هر لحظه داره دیتای جدید به مدل وارد میشه (فرق دیتای کگل با دیتا واقعیه اینجاس). میدونستید اکثر پروژه های ماشین و دیپ لرنینگ و دیتاساینس بعد از رسیدن به مرحله ی دیپلوی کردن، fail میشن؟! یعنی پروژه شکست میخوره! حالا بعدا بیشتر راجبش توضیح میدم الان باید به کارهام برسم.

یه مقاله ی خوب راجب دیپلوی کردن مدل های ماشین لرنینگ https://www.qwak.com/post/what-does-it-take-to-deploy-ml-models-in-production #MLOps

استخدام توسعه دهنده جاوا در شرکت فناپ https://jobinja.ir/companies/fanap/jobs/R50x/%D8%A7%D8%B3%D8%AA%D8%AE%D8%AF%D8%A7%D9%85-%D8%AA%D9%88%D8%B3%D8%B9%D9%87-%D8%AF%D9%87%D9%86%D8%AF%D9%87-%D8%AC%D8%A7%D9%88%D8%A7-%D9%BE%D8%A7%D8%B1%DA%A9-%D9%81%D9%86%D8%A7%D9%88%D8%B1%DB%8C-%D9%BE%D8%B1%D8%AF%DB%8C%D8%B3-%D8%AF%D8%B1-%D9%81%D9%86%D8%A7%D9%BE?_ref=16

All the ways to deploy a ML lodel #MLOps

اینم اطلاعات وبینار آقای مهندس حسین عراقی🤗😍

وبینار دو ساعته میکروسرویس ✅ اگه قصد افزایش مهارت های خودتون در زمینه طراحی وب رو دارید ✅ اگه میخواید تو پروژه های بزرگ کم نیارید ✅ اگه میخواید بدونید سایت های بزرگ چجوری ساخته میشن این وبینار برای شماست 😀 برای ثبت نام و اطلاعات بیشتر به لینک زیر مراجعه کنید 👇🏻 https://evand.com/events/microservice

خب خب خب بچه ها استاد من مهندس حسین عراقی روز پنجشنبه ۱۱ اسفند یه وبینار راجب میکرو سرویس ها دارند. امروز اطلاعات تکمیلیش رو که چه جوری میتونید ثبت نام کنید اعلام میکنم. میکروسرویس ها در web development کاربرد دارند.‌

دقیقا اون لحظه ای که تمام فرمول های مد، میانه، فاصله اقلیدسی، منهتن، مینکوفسکی، انحراف استاندارد رو تو فایل پایتون neighbor's دیدم، برگام ریخت خودم موندم🤣. 

امروز داشتم این ریکامندر سیستم هارو به روش classification کار میکردم دیدم یهو غرق تابع های الگوریتم K-nearest-Neighbor شدم! متوجه شدم تابع نزدیکترین همسایه رو که ما به راحتی با دو خط کد اجراش میکنیم، با حدود ۲۰۰ کد خط نوشتن! خیلیه ها! این قدرت لایبری های پایتون رو نشون میده! سورس کدهای لایبری scikit-learn رو ببینید تا متوجه عظمت این الگوریتم های ماشین لرنینگ بشید!

یکی از متدهای مورد استفاده در ریکامندر سیستم ها به نام Collaborative Filtering هست، به مفهوم اینکه اگه یه کاربر یا مشتری به چیزی علاقه داشته باشه، کاربر یا مشتری مشابه هم ممکنه همون چیز رو دوست داشته باشه، بنابراین ریکامندر سیستم به اون کاربر یا مشتری مشابه هم اون چیز رو پیشنهاد میده.